深研院潘锋组基于图论建立低维材料的筛选方法并发现系列一维材料
2022.03.16近日，北京大学深圳研究生院新材料学院潘锋课题组在《国家科学评论》（National Science Review）发表了研究论文。
近日，北京大学深圳研究生院新材料学院潘锋课题组在《国家科学评论》（National Science Review）发表了研究论文。
韩伟课题组运用多尺度计算模拟方法，对β淀粉样蛋白（Aβ）聚集过程进行了大尺度模拟，深入研究了早期阶段产生的Aβ多聚体的拓扑结构和形成机理，在分子层次上揭示了Aβ致病与非致病亚型之间在早期自组装过程的差异，为理解Aβ多聚体毒性产生机制提供了重...
近日，城市规划与设计学院博士后何张源、岳峰获得2021年中国博士后科学基金第70批面上项目二等资助。余玲、何张源获得2022年度广东省自然科学基金资助。
近日，信息工程学院（以下简称：信息学院）张敏副教授课题组和化学生物学与生物技术学院（以下简称：化生学院）李子刚教授/尹丰研究员课题组合作在生物传感器领域国际知名期刊Biosensors and Bioelectronics上发表题为“Tetrahedral DNA nanostructure bas...
深入理解与分析电池（包括锂离子、钠离子、空气电池等）运行过程中的体相和界面行为对于电池性能的持续改进具有重要意义。
大数据和人工智能与化学基因和材料基因的融合正推动生物医学和新材料的前沿科学发展。近年来，机器学习，尤其是深度学习，已经成为基于数据驱动的分子尺度发现化学基因和材料基因强大方法。2019年冠状病毒病（COVID-19）爆发一年后还没有特异性的有效药物...
机器学习在各领域的广泛应用促生其在材料领域的应用，它提供了一种新型的工具，即能从高维数据中发现数据间的规律，有助于减少计算量从而加速对新材料的探索。特征提取（特征工程）是机器学习的关键组成部分，选择合适的形式来表达将直接影响最终模型的效...
锂电池作为新一代绿色储能器件已经改变了我们的生活，正极材料仍然是电池储存容量、循环寿命以及成本的瓶颈,通常具有高工作电压以及超高的可逆比容量，是开发下一代高能量密度锂离子正极材料的研究重点之一。富锂锰基层状过渡金属氧化物(aLi2MnO3.bNMC)已...
新材料学院潘锋团队与合作者在JACS报道硝酸根电还原中阳离子效应介导的催化反应机...
新材料学院潘锋团队在Angew. Chem. Int. Ed.报道锂离子电池层状正极材料脱锂过程中...
新材料学院潘锋团队在Cell子刊报道生物质胶黏剂研究重要突破：基于“热机械三相组...
环能学院生态环境与资源效率研究实验室邓春芳等研究取得新进展
新材料学院潘锋团队与合作者在Chemical Reviews 总结和展望拓扑学赋能人工智能材料...
新材料学院潘锋团队基于图论结构化学和AI在MOF晶体结构预测领域取得重要进展
环境与能源学院周鹏课题组在Angew. Chem. Int. Ed.发表光催化生物质转化新成果：实...
环境与能源学院周鹏课题组在 Nat. Commun. 发表光催化小分子高值厌氧转化新成果：...
